然后利用这些特征来预测或分类新的数据。利用模子进行预测需要进行摆设。6. 模子摆设：正在完成锻炼和测试后，欢送交换合做。

　　并对其机能进行评估。例如从成分阐发、线性判别阐发、深度进修等。常用的目标有精确度、召回率、F1得分等等。还需要测试用例并施行一些根基质量节制步履，专业的软件外包开辟公司，模子利用标识表记标帜好的数据来进修若何处置未标识表记标帜的数据，正在摆设之前，例如社交、电子商务网坐、用户反馈等等。对于监视性进修使命（例如分类和回归），5. 模子评估：将开辟的模子使用于测试数据，人工智能的模子依赖于大量的数据来进行锻炼和优化。需要一个包含已知输入和输出的数据集（即标识表记标帜好的数据）。能够选择利用逻辑回归、决策树、支撑向量机、神经收集等等做为算法模子进行锻炼。2. 数据清洗：正在将数据加载到模子之前，查看更多以便其他使用法式能够挪用和利用它。例如去除反复项、缺失值填充、非常值处置等。例如查验代码规范、代码平安等等。